自然图像点彩派与椭圆点控制

文摘

本文提出了一种基于图像的艺术渲染算法自动点彩派的风格。起初,椭圆点位置是随机生成的基于源图像;然后点方向的帮助下预先计算的方向图;源图像的显著图决定长时间运行和短半径椭圆点。最后,大尺寸的运行呈现分层技术点体积小点,储备的详细部分图像。虽然只有采用椭圆点形状,最后点彩派风格表现良好,因为变量的特征点。

1。介绍

随着计算机图形学的飞速发展,多样化本身逐渐向两个相反的分支,逼真的渲染和nonphotorealistic渲染(NPR)在过去的二十年。相比传统的计算机图形学中,其重点是照相现实主义,NPR的灵感来源于艺术风格,如绘画,绘画,技术插图和动画漫画。总之,NPR关注呈现一个全新的世界在艺术观点。NPR被应用到电影和视频游戏卡通的形式,数据可视化,等等。

与逼真渲染所主要从事计算机图形学科学家,NPR吸引了很多研究人员喜欢艺术和科学作为一个跨学科的研究领域。NPR的进一步发展,艺术和科学的紧密集成。美国国家公共电台的一个最重要的分支是“基于图像的艺术渲染(伊),”处理二维照片和视频内容与艺术因袭技术(1]。伊巴拉的目的是传递美感和有效的信息,而不是简单地描述图像的每一个细节。它就像一个艺术过滤器将自然图像转化为一种艺术工作。太多的细节在自然图像经常怀孕的最重要的事情。一个简化的形象让人们掌握尽可能多的主要信息。IBAR同样,加强有效的图像在绘画风格的一部分,而不是忽视它的细节。

根据(1IBAR),大致分为中风渲染(SBR)为基础,提出技术、基于实例的渲染,图像处理,过滤技术。(为了方便起见,中风,点,刷,互相点不会歧视在本文的以下部分。不同的论文不同的术语用于他们的方便。)作为最普遍的形式的伊(1),SBR算法呈现一个2 d图像与原子原语来模拟一个特定的风格在当地或全球的方式。所涉及的原语SBR是虚拟画笔(2,3],瓷砖[4),点(点彩、半色调和孵化)[5- - - - - -13),甚至图像(14- - - - - -17]。一些人还模拟水彩风格(18),铅笔和墨水的风格19,20.),画线(21,22),点彩派(23- - - - - -27]。

作为基本元素,采用点点彩派,点彩等等,可以以各种方式扩展。在点彩,是很重要的点放置在一个密集或稀疏的方式表达黑暗或光明的音调只有黑点。模拟点彩派的时候,点颜色通常局限于大约10颜色和类似中风模仿的风格。经典画家乔治·修拉和保罗Signac或当代艺术家草间采用点作为主要元素转移他们的艺术思想。

事实上,点这里可以强烈的表达元素有不同的大小,颜色,形状,质地,和安排。它已经演变成一种新形式的比较经典的点彩派画点画。摘要,不像传统的点彩派并列点和黑点和有限的颜色,画点画,我们专注于自然图像(有更多的颜色和强度)的特征点彩派用多层点相互重叠,颜色是根据源图像本身。我们自然图像转移到Pointillism-like风格。“点彩派”一词的内涵进行进一步从经典的绘画风格。

本文的其余部分组织如下。部分2回顾与本研究相关的一些工作。部分3给出了该方法和部分4,呈现的结果和讨论。部分5总结了论文和工作在未来。

本文的主要贡献包括以下:(一)单一点形状变量特色呈现点彩派的风格形象,(b)卓越map-guided点加强源图像的主体,(c)点定位与地图的方向跟随对象源图像的边缘,(d)随机生成的点位置增加最后的点彩派的方差,(e)分层技术战略保持源图像的详细信息,(f)一个平衡的特点调整long-short-axis地图比例进一步提高绘画效果。图1显示了该方法的要点。

2。相关的工作

近年来,它已经开发了,一步一步,从模仿简单的绘画技巧在NPR的绘画风格。

点彩派,是一个技术与小画,不同的纯色点应用于模式形成一个图像,来自新印象画派,是由乔治·修拉和保罗Signac在1886年。一些经典的作品,比如“岛上的一个星期日的下午的确是的,”乔治•修拉的“沐浴在河曲”“Overschie风车”保罗•Signac等等,。点彩派的做法形成鲜明对比传统方法混合颜料的调色板。点彩派类似于四色CMYK颜色印刷过程中使用的一些打印机和大按那个地方点青色(蓝色)、红色(红色),黄色,和关键(黑)。

模拟秀兰的美术风格,C.-K。杨和H.-L。杨等等,经历了所有访问秀兰的绘画和提取的一些重要特性,如22原始的颜色,颜色并置,点大小,,特别是,互补色的影响,晕23]。它们扩散与泊松点磁盘和不同大小的点和点的距离在背景层和第二层以实证的方式。每一个参数在本文设置切实根据秀兰的点彩派,从点颜色点大小和点的形状。这种模仿增加在某种程度上相似点彩派风格而失去该方法的新颖性。四个参数的调整是为用户带来不便。此外,没有高水平的理解一个输入图像。这增加自动化模拟过程的难度。比较(2),吴等人提出了他们的方法修点彩派的风格。他们获得的统计分布模型通过分析颜色修的绘画。然后,该模型结合改进的多级蓝噪声采样(12样式化一个输入图像与色彩构成的特点在修拉的画28]。他们作了定量比较和主观用户研究来验证他们的结果更接近秀兰的美术风格的结果比以前的方法(28]。然而,学习过程太耗费时间除了分割,抽样和绘画过程的几百到几千秒。Hertzmann等等,画一幅一系列花键笔法。笔触是在源图像选择配色。一幅画是建立在一系列的层,从草图开始用大刷子。素描是在逐步小画笔画,但是只有地区的素描不同源图像模糊。因此,视觉重点画大体上与空间能量出现在源图像(2]。

文献[7)模拟粗到细的绘画过程的风格像印象派通过扩展层的概念2]。而不是定向每个笔触主要基于当地的梯度估计所显示(2,24),他们的笔触以及最强的梯度。每个笔触的颜色是由平均像素的颜色在它在源代码框架(7]。受伤,等等29日),引入了一个绘画风格生成矩形笔触逼近源图像的局部区域合适的位置、方向和大小。由此产生的图像合成与小中风细节而平坦的区域涂上更大的。

杉和高桥25),提出了一个pointillistic半色调颜色半色调方法随机点利用空间边界采样算法的数据结构。此外,他们实现的补色对比和光环效应根据实际修的绘画步骤(25]。但是太多的参数设置防止方法自动实现。

摘要点彩派的风格是扩展到更一般的方式包括点不同的大小,颜色,形状和排列顺序。这些有效的表达元素和非常简单的参数设置,我们可以部署一个不同的绘画风格扩展点彩派。

3所示。该方法

该算法是基于基本的图像特征:图像的颜色。一个画布的形象和源图像,呈现椭圆点吗从源图像的来源吗: 点的总数。

为一个椭圆点,它是决定点的位置,,这两个轴的半径椭圆点,点的三个颜色组件,、方向的点。和我是相同的尺寸吗。

当考虑点彩派风格,有几种有效的一幅画的表象,影响因素包括大小、形状、质地和颜色的任何一个点和一群点安排订单。

3.1。形状、大小、颜色和位置

对一个典型的点彩派的形状、大小、颜色和位置点是非常重要的影响因素的最终外观绘画。以数字方式模拟点彩派风格时,这些元素不应该被忽视。

3.1.1。形状的点

模拟一个典型的秀兰的点彩派、中风通常是来自一个中风模式(25,29日中风)或多个模式(23]。其他人,像弯曲的花键画笔描边(2),一个透明的圆(30.),与用户定义的椭圆横向和共轭直径(28),和一个圆形的平滑线刷2,7,24),都是简化数字组件的点彩派的风格。

考虑绘画风格方差和点之间的平衡控制、椭圆点形状选择本文由于其简单性和两个可控,正交轴:长axisand短轴。椭圆点的形状是决定其长轴和短轴。long-short-axis比率小,产生一个圆形椭圆形,反之亦然很大比例使狭窄的椭圆。根据源图像的颜色和梯度值,椭圆点不同的轴长度被放置在不同的位置画布的形象。这些形状差异和放置策略加强源图像的边缘。long-short-axis比率取决于一个平衡的凸起地图。卓越的地图是一个显式的二维地图表达的显著或显著的视觉环境中的对象(31日]。模拟点彩派的风格,应该总是有增强或强化在源图像。对象在一个源图像可以被描述在一个凸起的地图。卓越信息影响椭圆形状和大小,提高最显著的部分。参见3.3更多的讨论。

3.1.2。点的大小

摘要点大小不仅是适应源图像的颜色,也是受到源图像的梯度值的影响。这意味着该方法模拟点彩派风格而不是忠实地遵循。在这些地区slow-changed颜色和渐变,大点呈现和地区fast-changed颜色和梯度小点是呈现。摘要椭圆点定义为长轴半径大小和短轴半径这取决于两个saliency-related地图,和:

短轴长度经验依赖和: 的和是标准化的范围。他们是由颜色和梯度信息和决定长轴半径(点尺寸)和短轴半径,分别。参见3.3更多的讨论。显示出一个椭圆拉伸或减少。它是根据经验设置为0.95。这意味着如果一个椭圆的位置的值是1,椭圆的短半径和长半径之间的关系。范围在。

3.1.3。颜色的点

点的颜色由点区域的平均颜色吗: 在哪里是带点覆盖的像素数量在源图像。RGB彩色图像,。呈现在画布上的形象,一个点的平均颜色源图像区域的点。根据(2)和(3),更重要的是,点尺寸越小。这意味着那些凸区域代替小点和详细的区域保持故意。和在某种程度上,这种方法也让一些特征点彩派的风格。

3.1.4。点的位置

为每个点的位置,和是随机选择源图像的行和列,每一个点落在画布上屏。图像内容的不考虑,选择一个点的位置没有任何指导。

3.1.5。总点数量

根据该算法,总点数量。越大点的密度。所以,点数量在某种程度上影响最终的点彩派的影响。的设置经验根据源图像的大小。减少画布的空穴效应的形象的小,可能是预先定义的源图像模糊或平均源图像的彩色图像。

3.2。方向和边缘增强地图和方向

除了点大小、颜色、位置和形状,点定位也扮演着重要的角色在过去的绘画风格。这里的点方向定义为长轴的方向。一般来说,一组椭圆点具有相似方向沿其长轴增强源图像的边缘。源图像中的边缘向读者提供重要的信息。关于加强边缘,2,24)面向每一个笔触主要基于估计当地的梯度。文献[7)面向的笔触最强的梯度。文献[29日)引入了一个绘画风格与小中风的细节组合而平坦的区域涂上了更大的提高边缘(细节)。

本文构造方向图来决定每个椭圆点的方向。点总是地方其长轴的取向方向的源图像地图。

根据康et al。21,32),对于一个给定的图像本文的向量场边缘切流,也就是说,一个方向地图,作为指导方向椭圆的地图。

方向图的定义是一个迭代的过程: 在哪里表示内核的半径在像素,是向量规范化术语。切向量被假定为周期。空间权函数中,我们使用一个盒子过滤器的半径:

幅度加权函数是一个单调递增函数定义: 这样可以确保保护的主导优势的方向。

方向加权函数被定义为促进类似的方向:平滑 在哪里切向量表示归一化。这权函数增加两个向量排列紧密。

对于向量的紧密排列,我们暂时扭转的方向使用符号函数,以防比:

最初的流图,表示,通过垂直的向量(逆时针意义上的)从最初的梯度地图输入的图像我。然后在使用前规范化。最初的渐变映射计算采用Sobel算子。输入图像可能有选择地Gaussian-blurred之前梯度计算。图2 (b)显示方向图2迭代。地图保存边缘方向以及周围的重要功能,同时保持光滑的其他地方。对于任何一个点的位置地图和方向的取向的点是。我们注意到从源图像的边缘的地图是保持和增强。一些“弱”流动调整遵循强流。

3.3。安排:分层技术根据显著图

的属性点形状、大小、颜色、位置和方向,点彩派的风格形象准备呈现。保持详细的地区发现,采用layer-by-layer-strategy。根据点尺寸,体积小点后画大点。也就是说,大点总是低于小点。较小的点总是在突出显示详细信息区域和大点覆盖非突区域;这layer-by-layer-strategy使得源图像的详细部分脱颖而出。同时,读者更加关注那些突出的地区比非突区域。所以,凸起的地图可以构造决定点尺寸。通常,突出区域是那些地方存在颜色对比,强度变化,或边缘。这些突出的地区提供细节和重要内容,吸引读者的注意力比其他领域。

一个凸起的凸度量图像地图。高突出价值吸引了读者的注意超过一个小凸价值呢。卓越地图帮助提出呈现点彩派来增强的突出部分。对付一个没有先验知识的源图像,Itti等人介绍了他们的自底向上的视觉注意模型31日)受行为和神经元早期灵长类动物视觉系统的体系结构。在他们的方法,多尺度图像特征图的颜色,强度,和取向是提取,和当地的空间对比估计为每个特性在每个位置,为每个特性提供一个单独的显著的地图。这些地图结合到一个地形特点地图引导注意力集中在一个自底向上的方式。本文修改显著图,33应用于源图像。地图是由强度、颜色和边缘信息五个金字塔的图像源图像。

起初,强度图像是通过,,源图像的组件。是计算。那些像素强度小于10%的最大零在整个图像,,值,因为色相变化不是在非常低的可感知的亮度(因此不显著)。,,,形成以这种方式:;;;如果,否则。五组高斯金字塔的水平,,,,从生成,,,,分别在哪里高斯金字塔水平指数,。然后,根据contrast-based显著地图(34),的center-neighborhood距离,,,,,包括发光体和彩色特点信息,计算中由欧几里得距离窗口。至于取向,一种不同的方法的四线检测面具R0, R45, R90, R135 [35)提出了过滤强度图像为了简化计算Itti-Koch伽柏的过滤器。每一层的强度图像过滤四个方向的面具;对比显著地图计算和组合是一个取向显著地图。最后,所有显著地图缩放到原始图像大小(0级)和组合在一起成为一个卓越的地图。提高高凸区域,抑制低凸区域,显著地图等于权力转换:

实验证明该方法是有效的和有效的在几个方面。起初,亮度、色度和取向因素考虑找到突出的地区;其次,简化方向计算不东方显著减少;第三,权力转换使突出的地区更重要的不改变的顺利语气显著地图。图2 (c)显示了源图像的显著图。每个凸区域,像颜色差异,梯度变化,和强度差异,支持卓越的地图。本文提出了一种粗到细的策略,这些点是呈现大点小点。此外,点尺寸(长轴长度)是由特点决定的地图在一个反比例的方式(2)所示。这是来自规范化显著图: 的一个点的位置的价值是一块区域平均值与块大小规范化凸起的地图。点的大小是相对于源图像的特点,小点的意思是大源图像的显著值,因此在大点的相对较小的显著值。图3显示了dot-placement-strategy从非突区域大点小点在突出的地区,一个接一个地分层技术。

3.4。平衡的标准偏差显著地图来决定一个椭圆的短轴

一旦我们决定椭圆的长轴长度点,短轴长度和方向是最后两件事需要考虑。提高绘画的边缘图像,椭圆的长轴必须遵循其取向(部分3.2)。同时,短轴也应变量基于显著图。正如我们之前讨论过的,椭圆点有助于提高源图像的边缘。相比,椭圆小long-short-axis比率(接近1),大的椭圆率(大于1)本身延伸至长椭圆形边缘。这个形状变形达到进一步增强为取向。形状变形取决于凸起方差与块区在块大小。高方差值意味着存在尖锐的边缘,而低方差值意味着slow-changed边缘。所以标准差地图被定义为:

的一个点的位置的价值是一个标准偏差值的区域规范化凸起的地图。正如我们可以看到的柱状图块区域内偏差显著地图(图4 (b)),不平衡的方式分配偏差值。因此,高和低偏差值不是均匀分布的。这使得这些点拉伸太多或不拉伸。也就是说,这些不平衡的偏差值导致拉伸点或循环点,没有“中层”点。几乎所有的小圆点是圆形描述边缘在大部分地区在我们的实验中,因为太多的低偏差值(图4 (d))。

显然,不平衡的偏差映射必须是平衡的。本文与LOGSIG平衡的功能,也就是说,使分布轮廓适合LOGSIG功能:

目标函数是

本经验集和up-rounded是一个整数: 是总点数量。

(13)所示,新的一个点的位置的价值是一个平衡的标准偏差值区规范化凸起的地图。图4(一)显示了其平衡的图的柱状图4 (b)的直方图。这种均衡产生这决定short-axis-length椭圆点。点彩派(图4 (c))与平衡的与椭圆呈现不同long-short-axis比率,而long-short-axis比率的椭圆点彩派(图4 (d))与unequalized几乎相似。显然,均衡的的工作原理。的平衡的使点的短轴半径分布如此断然点与不同long-short-axis比率呈现点彩派到unequalized版本相比更清楚。

除了上面讨论的几个主要参数,其他参数设置表的经验1。

这些设置,该方法是用MATLAB实现。我们将展示上述和其他几个自然源图像和点彩派下一节。

4所示。结果与讨论

4.1。点彩派风格

点彩派源图像从图的结果1(一)如图1 (d)。图2 (d)显示了上述源图像的结果图2(一个)。数据5,6,7显示其他几个自然图像像画像,鲜花,和鸟类和他们与不同的点尺寸设置的点彩派。

几个因素,包括点大小,凸起地图,地图和方向,应该考虑在考虑整个生殖过程。

点尺寸:一个粗略的观察可以透露点尺寸,特别是最小的点尺寸,主要设置影响的风格。最小点规模越小,越清晰点彩派形象。这当然是因为小一号点区域包含平均颜色信息在一个小区域,而更大的点区域包含平均颜色信息在一个大区域。如果一个像素最小点尺寸缩小,目标图像变成了源图像本身。所以,应该注意的是,有一个平衡的最小点大小和点彩派的风格。我们已经宣布部分3.1。2,长轴半径定义为点的大小。同时,短轴半径也在生成中扮演重要角色的风格。短和长点的半径大小的分布对应于不同的点数量(在图9)如图10。一方面,平面分布的短半径从平衡的好处。另一方面,不平衡的长半径分布保持目标图像覆盖尽可能多的如果点的数量是固定的(稍后进一步讨论部分)。

方向地图:此外,仔细研究表明,故意源图像的详细部分保持在地图的帮助下方向。例如,图的头发2 (d)似乎呈现在一个随机的方向。比较的源图像在图2(一个)显示每个头发鹰的头都有自己的方向。点彩派的详细的随机头发实际上来源于源图像;也就是说,信息保存在生成的点彩派的方向。源图像之间的比较数据6(a1)和6(b1)和目标的图像数据6(a3)和6(b3)也提供类似的结论。抖抖花和羽毛的鸟的脖子保持生成点彩派时的详细信息。

几个目标图像的帮助没有方向图如图7。它显示了两个不同的条件:首先,人物7(一)和7 (c)给点彩派由凸起的圆点大小是决定地图;其次,数据7 (b)和7 (d)显示点彩派的圆点大小是决定由一个平衡的标准偏差的显著地图地图。所有其他设置相同的数字2 (d)和6(a3)。凸起的地图确定点的大小,生成的目标图像显示点彩派的风格有很多类似点(数据大小7(一)和7 (c)对数字)或non-similar-size点(7 (b)和7 (d))。这些non-similar-size点来自一个平衡的标准偏差的显著地图地图而卓越的同等级别的点地图本身。相比目标图像数据2 (d)和6(a3),这些目标图像没有方向的指导地图无法保持清晰的边缘。例如在图7(一),鹰的头显示鬼边缘,因为头部和周围的同等级别的点每点本身不旋转增强边缘的头没有地图的方向。在图7 (b)然而,边缘的鹰头比这更清晰的图7(一)因为平衡的标准偏差的地图。所有的点都有一个平面分布。所以头的边缘呈现小点,保持详细的头边缘图7(一)。进一步观察周围边缘的鹰头和眼图7 (b)表明有许多洞相比,这些边缘图2 (d)。

显著地图:凸起的地图是由几个梯度等因素,颜色差异和边缘信息。所以它是合理的显著图来决定点源图像大小。

几个目标图像的帮助没有地图和方向显著图如图8。它显示了两个不同的条件:首先,人物8(一个)和8 (c)给点彩派的圆点大小是由优势决定地图(源图像过滤通过垂直和水平Sobel算子);其次,数据8 (b)和8 (d)显示点彩派的圆点大小是决定由一个平衡的标准差的地图边缘地图。所有其他设置相同的数字2 (d)和6(a3)。相对于目标图像数据2 (d),1 (d),6(a3),他们考虑的突出点是不能接受的,洞,边缘模糊。即使相对于目标图像如图7也给甚至可怜的结果,这些目标图像。例如在图8(一个),只有edge-map-guided点尺寸使目标图像显示一个粗略的看的源图像,而在图8 (b),一个平衡的标准偏差的地图边缘地图让目标图像看起来与flat-dot-size分布。但孔和鬼在目标图像边缘不能被忽略。

点数量:每个点占据自己的区域和相互重叠的如果有足够的点。我们比较不同的点数量设置如图9。最大点尺寸和最小点大小设置为51和5。直观地说,足够的点覆盖整个目标图像。在图9,我们可以看到,这是足以让只有5000点覆盖大多数目标图像的一部分。覆盖率增加迅速从500点到5000点。增加点数量从10000年到40000年不给予相当大的覆盖率增加,然而。有小洞在目标图像即使40000点。在拟议的方法,这个问题是避免通过模糊源图像作为画布图像(见部分3.1。5)。

4.2。比较

当我们提到了在前一部分,我们扩展点彩派风格更通用的方式。也就是说,该方法与一个典型的点彩派有共同点。例如,相似点形状采用作为渲染元素和点颜色是平均从源图像颜色。该方法从模拟点彩派的过程“借”思想,并试图扩大到一个新的领域。该方法的目的是扩大点彩派而不是模拟的风格。图11演示了该方法的比较和吴的方法28]。我们采用类似点尺寸吴所示的结果。然而,这两个结果有不同的目的和不同的风格。吴的风格更接近秀兰的点彩派点尺寸和放置策略,虽然我们是不同的点大小和形状和逐层放置策略。该方法不容易判断或与其他模拟结果。

4.3。计算复杂度

计算复杂度是一个关键的评估方法的特点。该方法的计算复杂度主要取决于方向图的计算,凸起的地图,和点放置过程中,应对,,。该方法在MATLAB平台上运行没有优化在微软Window-XP专业2002操作系统和英特尔双核CPU P8700@ 2.53 GHz 2.89 GB内存。典型的上述三个过程的运行时间是3270秒,63秒、212秒形象图5(a1)与40000点。的运行时间图像与12000点137秒,15秒,分别为44秒。一般来说,图像的大小,,并阻止半径计算时间是主要影响因素。

5。结论和未来的工作

一般来说,该方法给出了一个合理的点彩派的自然图像像画像,鲜花,和鸟类等等。这种点彩派不一样经典的点彩派所有点方法呈现在一个随机的方式和相互重叠的分层技术,从大点小点,保持源图像的细节。该方法不仅保留经典的点彩派的风格,但也会增加风格的差异与不同的设置以数字方式通过控制椭圆参数包括点尺寸(长轴长度),long-short-axis比率,和方向的椭圆。所有这些设置是根据地图和方向调整凸起的源图像地图。此外,平衡的标准偏差显著地图柔滑点大小分布,描述了鲜明的点彩派。在大多数情况下,参数是预设的,整个过程是自动的。

肖像,鲜花,和鸟类都呈现仔细点的点,一个接一个。点彩派的详细部分是足够清晰,同时保持点彩派的风格。

目前,没有一个客观的方法来评估一个艺术作品的美学。甚至很难确定是否它是一个艺术作品或以客观方式毫无意义的涂鸦。此外,每个人都有他/她自己的的观点,因为不同的文化背景和个人经历,等等。在未来,我们将关注数字艺术作品像点彩派的评价方法。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究支持上海Dianji大学学科建设项目(批准号10 xkf01)。图像是由CubaGallery(图源5(a1)), LaurentMallea(图5(b1))和digisnapper(数字6(a1)和6(b1))https://www.flickr.com/和其他所有匿名投稿人。作者还感谢匿名评论者的谨慎和有价值的意见和建议。

引用

1. j . e . Kyprianidis j . Collomosse t . Wang和t .愚笨”状态的“艺术”:艺术因袭的分类技术对图像和视频,”IEEE可视化和计算机图形学,19卷,不。5,866 - 885年,2013页。视图:出版商的网站|谷歌学术搜索
2. a . Hertzmann”绘画与弯曲的多个大小的笔触渲染”学报》第25届会议上计算机图形和交互技术(SIGGRAPH 98)ACM, 460,页453 - 1998。视图:谷歌学术搜索
3. c·g·希利l . Tateosian j . t .新奥集团和m . Remple”nonphotorealistic可视化、基于感知的笔法”ACM交易图片,23卷,不。1,第96 - 64页,2004。视图:出版商的网站|谷歌学术搜索
4. k . Dalal A·w·克莱因y . Liu和k·史密斯,NPR的光谱方法包装,”诉讼的第四届国际研讨会Non-Photorealistic动画和渲染(NPAR 06年)安纳西,页71 - 78年,法国,2006年6月。视图:谷歌学术搜索
5. o . Deussen希勒,c . Van Overveld和t . Strothotte”浮动点:一种方法计算点画图纸,“计算机图形学论坛,19卷,不。3、每周,2000页。视图:出版商的网站|谷歌学术搜索
6. 西,“加权泰森多边形法画点画”第二届国际研讨会Non-Photorealistic动画和渲染(NPAR ' 02),37-43,2002页。视图:谷歌学术搜索
7. 海斯和m .艾萨,“基于图像和视频的绘画动画”学报》第三届国际研讨会Non-Photorealistic动画和渲染(NPAR ' 04)2004年6月,页113 - 120。视图:谷歌学术搜索
8. 郑胜耀Kim r . Maciejewski t Isenberg et al .,“点彩的例子,”第七届国际研讨会院刊Non-Photorealistic动画和渲染(NPAR ' 09)页。每周,ACM,纽约,纽约,美国,2009年8月。视图:出版商的网站|谷歌学术搜索
9. d·马丁·g·阿罗约,m . v .吕宋岛和t .愚笨”基于实例画点画使用尺度灰度的过程,”学报》第八届国际研讨会Non-Photorealistic动画和渲染(NPAR 10)51 - 61页。安纳西,法国,2010年6月。视图:谷歌学术搜索
10. d·马丁·g·阿罗约,m . v .吕宋岛和t .愚笨”尺度,基于实例灰度点彩。”计算机与图形学,35卷,不。1,第174 - 160页,2011。视图:出版商的网站|谷歌学术搜索
11. h . m . d . Kim儿子,y Lee Kang和s . Lee Feature-guided图像点彩,“计算机图形学论坛,27卷,不。4、1209 - 1216年,2008页。视图:出版商的网站|谷歌学术搜索
12. 科夫,j . c . o . Daniel o . Deussen d·里奇斯,“递归王瓷砖实时蓝色噪音,”ACM交易图片,25卷,不。3、509 - 518年,2006页。视图:出版商的网站|谷歌学术搜索
13. d . Vanderhaeghe p·巴拉、j . Thollot和f . x Sillion“动态stroke-based点分布呈现”《Eurographics研讨会上呈现,第146 - 139页,2007年。视图:谷歌学术搜索
14. d . Chi, m·李,赵y, g .徐w . Liu和j .胡“基于图像马赛克:一个变量施工方法,”学报5计算智能和设计国际研讨会(ISCID 12)杭州,页370 - 375年,中国,2012年10月。视图:出版商的网站|谷歌学术搜索
15. 李m, d . x, y赵,g .徐w . Liu和j .胡”美学马赛克图像以可控的方式建设,”第五届国际大会学报》对图像和信号处理(CISP 12)IEEE,页750 - 755年,重庆,中国,2012年10月。视图:出版商的网站|谷歌学术搜索
16. s . Battiato g . Di布拉西g . m . Farinella g·盖洛,“数字镶嵌frameworks-an概述”,计算机图形学论坛,26卷,不。4、794 - 812年,2007页。视图:出版商的网站|谷歌学术搜索
17. d . Pavić美国Ceumern, l . Kobbelt”小玩意:真正的与自适应图像马赛克花砖,”计算机图形学论坛,28卷,不。8,2244 - 2254年,2009页。视图:出版商的网站|谷歌学术搜索
18. t .空气和o . Deussen实时水彩插画的植物使用模糊深度测试,”《国际研讨会Non-Photorealistic动画和渲染(NPAR 06年)、11日至20日,2006页。视图:谷歌学术搜索
19. h·李,美国Kwon郑胜耀李,“实时铅笔渲染”诉讼的第四届国际研讨会Non-Photorealistic动画和渲染(NPAR 06年)安纳西,页37-45,法国,2006年6月。视图:出版商的网站|谷歌学术搜索
20. l . Coconu o . Deussen, h·c·海格“实时笔绘风景,”诉讼的第四届国际研讨会Non-Photorealistic动画和渲染(NPAR 06年),27-35,2006页。视图:谷歌学术搜索
21. h·康、s·李和c·k·崔“连贯的线条画,”学报》第五届国际研讨会Non-Photorealistic动画和渲染(NPAR ' 07)2007年8月,页43-50,。视图:出版商的网站|谷歌学术搜索
22. j·m·p·索尔兹伯里m . t . Wong f·休斯和d•h••”可定向的纹理映像的笔绘”《计算机图形学会议(SIGGRAPH ' 97)1997年8月,页401 - 406。视图:谷歌学术搜索
23. C.-K。杨和H.-L。杨”,实现通过真实晕染秀兰的点彩派”,计算机视觉,24卷,不。5,303 - 322年,2008页。视图:出版商的网站|谷歌学术搜索
24. p .森林”,处理图片和视频的印象派影响,”学报》24日的年度会议上计算机图形和交互技术(SIGGRAPH 97)1997年8月,页407 - 414。视图:出版商的网站|谷歌学术搜索
25. j .杉和t .高桥”方法来生成基于修点彩派的色彩理论,“尽管交易媒体技术和应用程序,1卷,不。4、317 - 327年,2013页。视图:出版商的网站|谷歌学术搜索
26. d . Chi, m·李,赵y, w . Liu和j .胡“多层点彩派”学报第六届国际大会上图像和信号处理(CISP 13)IEEE,页1056 - 1060年,杭州,中国,2013年12月。视图:出版商的网站|谷歌学术搜索
27. 美国Seo、美国Ryoo和k . Yoon”艺术形象代印象派新兴多媒体服务的方式,”交易在嵌入式计算系统第二十二条,卷。12日,2013年。视图:出版商的网站|谷歌学术搜索
28. 研究。吴,Y.-T。蔡,观测。林,W.-H。李”,生成基于修点彩派绘画的色彩构成,“计算机图形学论坛,32卷,不。4、153 - 162年,2013页。视图:出版商的网站|谷歌学术搜索
29. 和y . m . Shiraishi山口,”一个算法基于本地源图像的自动绘画呈现近似,”程序1日国际研讨会不逼真动画和渲染2000年6月,页53-58,。视图:谷歌学术搜索
30. r .博世和a·赫尔曼”,通过线性规划点彩派”,UMAP日报,26卷,不。4、405 - 412年,2005页。视图:谷歌学术搜索
31. l . Itti c·科赫,大肠Niebur”saliency-based视觉注意力模型的快速场景分析,“IEEE模式分析与机器智能,20卷,不。11日,第1259 - 1254页,1998年。视图:出版商的网站|谷歌学术搜索
32. h·康、s·李和c·k·崔“flow的形象抽象”IEEE可视化和计算机图形学,15卷,不。1,第76 - 62页,2009。视图:出版商的网站|谷歌学术搜索
33. d .气”,自组织基于地图的颜色与k - means聚类图像分割和卓越地图,”ISRN信号处理ID 393891条,卷。2011年,18页,2011年。视图:出版商的网站|谷歌学术搜索
34. Y.-F。马和周宏儒。张“Contrast-based形象关注分析通过使用模糊增长,”学报》第11届ACM国际会议多媒体(毫米' 03)加州伯克利,页374 - 381,美国2003年11月。视图:谷歌学术搜索
35. r·c·冈萨雷斯和r·e·伍兹数字图像处理培生教育,第3版,2008年版。

版权

版权©2014东乡气。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。